汽车摄像头测试
    符合 IEEE-2020 的客观结果

    针对 ADAS、泊车及其他外部摄像头系统的独立第三方图像质量测试——基于 IEEE 2020 标准,为 OEM 和供应商提供中立立场。

    概述

    汽车摄像头测试——现代汽车通过越来越多的外部摄像头观察路况。前置摄像头识别车道线、交通标志和行人;环视和泊车摄像头围绕车辆拼接出无缝图像;后置和角部摄像头则提供交叉交通和盲点功能。这些系统中的每一个都根据其捕获的图像做出与安全相关的决策,因此图像质量绝不仅仅是一个规格问题,它关系到车辆感知其环境的可靠性。多年来,汽车行业一直使用拼凑的内部方法和调整后的消费级摄像头指标来评估图像质量。随着 IEEE 2020 的推出,行业终于有了共同的语言:一套为汽车摄像头专门定义并获得 OEM 和供应商一致认可的标准化客观和主观测试方法。这正是我们 iQ-Lab 的用武之地。我们根据 IEEE 2020 的方法和指标测试外部汽车摄像头,并提供您可以据此采取行动的结果,无论您是选择传感器、验证供应商交付,还是将您自己的设计与同行进行基准测试。

    现代汽车通过越来越多的外部摄像头观察路况。前置摄像头识别车道线、交通标志和行人;环视和泊车摄像头围绕车辆拼接出无缝图像;后置和角部摄像头则提供交叉交通和盲点功能。这些系统中的每一个都根据其捕获的图像做出与安全相关的决策,因此图像质量绝不仅仅是一个规格问题,它关系到车辆感知其环境的可靠性。

    多年来,汽车行业一直使用拼凑的内部方法和调整后的消费级摄像头指标来评估图像质量。随着 IEEE 2020 的推出,行业终于有了共同的语言:一套为汽车摄像头专门定义并获得 OEM 和供应商一致认可的标准化客观和主观测试方法。

    这正是我们 iQ-Lab 的用武之地。我们根据 IEEE 2020 的方法和指标测试外部汽车摄像头,并提供您可以据此采取行动的结果,无论您是选择传感器、验证供应商交付,还是将您自己的设计与同行进行基准测试。

    我们测试什么

    根据 IEEE 2020 方法测量的图像质量 KPI

    对比度 (CTA & CSNR)

    摄像头在面对各种亮度范围时,如何忠实地再现真实世界的对比度?我们测量对比度传输准确度 (CTA) 和对比度信噪比 (CSNR)——IEEE 2020 对比度性能指标,揭示了系统能够(或不能)将物体与其背景分离的情况

    动态范围 (HDR)

    摄像头从黑暗隧道驶入明亮阳光下时,必须同时保留两者的细节。我们使用 IEEE 2020 方法评估动态范围,该方法旨在处理眩光和未知色调曲线,弥补了旧方法的不足。

    锐度与 Resolution (SFR)

    精细细节决定了远处的标志或纤细的车道线是否可读。我们测量 FOV 上的空间频率响应 (SFR),以量化分辨能力及其向边缘衰减的情况。

    噪声与 SNR

    噪声为算法可以检测的一切设定了下限,尤其是在低光照条件下。我们对噪声和信噪比进行特性分析,以便您了解系统从明亮日光到接近黑暗的行为。

    LED Flicker 缓解

    LED 车头灯、交通标志和信号是脉宽调制的,在摄像头馈送中可能会 Flicker 或消失。我们测试系统缓解 Flicker 的能力——以及忠实再现应闪烁信号(例如转向指示灯和应急灯)的能力。

    几何校准与 Distortion

    环视拼接和物体放置取决于准确的摄像头模型。我们验证几何校准并对广角和超广角 FOV 的 Distortion 进行特性分析。

    与汽车相关的国际标准

    客观汽车摄像头图像质量测试背后的标准。

    IEEE Std 2020-2024

    第一个专门为汽车摄像头编写的行业范围图像质量标准。它定义了客观和主观测试方法和指标——从对比度 (CTA) 和动态范围到 Flicker 和 SFR——在 OEM 和供应商之间建立了共同的参考。Image Engineering 是 IEEE-P2020 工作组的积极成员。

    EMVA 1288 / ISO 24942

    用于图像传感器和摄像头客观、可重复特性分析的参考标准。其许多灵敏度、噪声和动态范围测量原理构成了汽车测试中使用的底层指标。Image Engineering 是 EMVA 1288 工作组的积极成员。

    ISO 19093

    定义了用于评估低光照条件下摄像头性能的方法和指标阈值——这是在夜间和恶劣天气下运行的外部汽车摄像头的一个关键领域。

    OEM 与供应商之间的中立立场

    iQ-Lab 优势

    图像质量数据的有用性取决于其可信度。作为一个独立的测试机构,同时也是 IEEE-P2020 工作组的积极成员,我们的 iQ-Lab 有意地介于 OEM 和供应商之间,除了确保测量准确无误之外,不偏袒任何一方。

    这种中立性本身就是产品。供应商可以提供一份双方均未编写的报告,证明交付的硬件符合制造商的要求。制造商可以根据相同的、基于标准的条款,比较来自不同供应商的传感器和模块。双方都对结果保密,仅在 Image Engineering 和客户之间共享。

    我们通过 camPAS(汽车系统摄像头性能)——我们可定制的汽车测试程序来实现这一点。

    camPAS 并非现成的检查表:我们根据您的规格和使用案例设计测试,利用 IEEE 2020 的方法,并返回您的工程师可以据此做出决策的客观 KPI。

    致制造商 (OEM)

    从众多选择中挑选合适的传感器或模块。我们对候选产品进行相同的、基于标准的测试,以便您的选择基于客观性能数据,而非供应商数据表。

    致供应商 (Tier 1/Tier 2)

    发货前进行验证。我们在开发期间和交付之前对您的摄像头或传感器进行特性分析,及早发现图像质量问题,并为您提供证据,证明您的硬件符合制造商的 KPI。

    保密且基于标准

    结果仅在您和我们之间共享。测试遵循公认的方法——尤其是 IEEE 2020——因此这些数字对在座的每个人都具有相同的意义。

    对比度传输准确度 (CTA)

    检测始于对比度。在算法识别行人、车道线或车辆之前,摄像头必须在道路可能遇到的所有亮度与对比度组合下,再现物体与其周围环境之间的对比度。

    对比度传输准确度 (CTA) 是 IEEE 2020 指标,它精确量化了这一点。对于给定的场景对比度,CTA 是摄像头在定义容差范围内再现该对比度的概率。结果不是一个单一的分数,而是一张图:CTA 随 Luminance 和对比度绘制,精确显示系统在何处可靠保持对比度,以及在何处出现故障——例如在高眩光场景或 HDR 传感器的极限情况下,传统信噪比数字可能会误导。

    对于外部汽车摄像头来说,这张图是宝贵的。它将“图像看起来很好”转化为一个关于系统在何处以及如何可靠地值得信赖的、有说服力的声明。

    −40 °C 至 +120 °C,一处完成特性分析

    汽车摄像头并非生活在舒适的实验室中。它在夏日阳光下被挡风玻璃炙烤,在北极的寒冷中启动——IEEE 2020 明确指出温度对噪声、动态范围、锐度甚至几何校准都有强烈影响。仅在室温下测得的结果只能说明部分情况。

    我们通过 iQ-Climate Chamber 弥补了这一差距。几乎整个 IEEE 2020 测试套件都可以在其中运行,使我们能够对您的摄像头在整个汽车运行范围(从 −40 °C 到 +120 °C)内的图像质量进行特性分析,而不是在一个方便的单点。结果是反映摄像头实际工作环境的性能曲线。

    更倾向于内部测试?

    Vega

    一款直流驱动的 LED 光源,专为曝光时间极短的汽车摄像头设计。电流控制强度(1,000,000 等宽 steps)和出色的稳定性使其成为高强度、HDR 相关测量的理想选择,例如对比度传输准确度 (CTA)、调制光缓解概率 (MMP/flicker) 和 OECF。

    Arcturus

    产生高达 1 Mcd/m² 的亮度,以挑战接近饱和的 HDR 传感器,并在实验室中模拟明亮的阳光。无 Flicker 的直流 LED 技术适用于 IEEE 2020 KPI 测量——它与 Vega 设备结合可构建真实的 HDR 场景。按钮:了解更多

    Test Charts

    IEEE 2020 方法背后的反射式和透射式 Test Charts——包括针对 CTA 等对比度性能指标优化的 TE294 灰度 chart,以及用于动态范围的高对比度靶标。

    iQ-Climate Chamber

    从 −40 °C 到 +120 °C 的温度控制摄像头测试,因此您可以在自己的实验室中对摄像头在整个汽车运行范围内的图像质量进行特性分析。

    GEOCAL

    使用紧凑设备进行几何校准,该设备生成来自无穷远的光点网格——用于宽 FOV ADAS 光学器件的精确摄像头模型验证。

    iQ-Analyzer-X

    用于评估各种图像质量因素的先进软件,具有与汽车相关的分析模块,可将捕获的图像转化为 KPI。